工業革命帶來了無數的發明和革新產品，開啟了人類曆史的新篇章。工業時代的織布機
、蒸汽機、電dian力li以yi及ji批pi量liang生sheng產chan福fu特te汽qi車che的de第di一yi條tiao流liu水shui生sheng產chan線xian

，都dou讓rang人ren歎tan為wei觀guan止zhi。但dan我wo們men常chang常chang忽hu略lve了le上shang述shu發fa明ming的de產chan生sheng機ji製zhi和he過guo程cheng。它ta們men都dou是shi怎zen麼me被bei發fa明ming出chu來lai的de呢ne？創chuang新xin往wang往wang孕yun育yu在zai設she備bei維wei護hu、zhibaohegongyinglianyouhuadengchangguizhizaoguochengzhong。zhexiechuangxinduigongyehezhizaoliuchengdezhongyaoxing，yuyigeduoshijiqiandezhexiefamingtongdengzhongyao。kaolvdaomuqianquanqiushichangdeguimohefuzaxing
，jiangchuangxinchenggongluodi，rengranpojutiaozhan。suizheshujuhejiqixuexidebuduanronghe，zhongxinbiangegongyezhizaoyichengweikeneng。

每(mei)天(tian)，企(qi)業(ye)都(dou)會(hui)在(zai)邊(bian)緣(yuan)產(chan)生(sheng)大(da)量(liang)數(shu)據(ju)，並(bing)將(jiang)其(qi)存(cun)儲(chu)在(zai)雲(yun)中(zhong)，同(tong)時(shi)利(li)用(yong)上(shang)述(shu)數(shu)據(ju)重(zhong)新(xin)思(si)考(kao)如(ru)何(he)變(bian)革(ge)所(suo)有(you)的(de)流(liu)程(cheng)。為(wei)了(le)更(geng)好(hao)地(di)挖(wa)掘(jue)數(shu)據(ju)潛(qian)力(li)，推(tui)動(dong)更(geng)快(kuai)

、更明智的決策
，製造業、能源、采礦業、運輸業和農業領域的企業正利用新型機器技術優化多種工作負載，包括工程和設計、生產和資產優化
、供應鏈管理
、預測
、質量管理、智能產品和機器等。

從運營效率到質量控製，再到其他各個方麵，企業采用機器學習技術，正在通過以下四種方式變革工業生產流程：

通用電氣：實現設備預測性維護

持續性維護設備，是很多工業和製造企業麵臨的一大挑戰。從以往經驗來看，大多數設備維護要麼是被動型——在機器發生故障後進行維修，要麼是預防型——通(tong)過(guo)定(ding)期(qi)檢(jian)測(ce)以(yi)避(bi)免(mian)故(gu)障(zhang)。兩(liang)者(zhe)皆(jie)成(cheng)本(ben)高(gao)昂(ang)
，效(xiao)率(lv)低(di)下(xia)，而(er)最(zui)佳(jia)解(jie)決(jue)方(fang)案(an)是(shi)預(yu)測(ce)型(xing)維(wei)護(hu)。企(qi)業(ye)可(ke)以(yi)提(ti)前(qian)預(yu)測(ce)設(she)備(bei)需(xu)要(yao)維(wei)護(hu)的(de)時(shi)間(jian)，但(dan)大(da)部(bu)分(fen)企(qi)業(ye)缺(que)乏(fa)相(xiang)關(guan)人(ren)員(yuan)和(he)專(zhuan)業(ye)知(zhi)識(shi)來(lai)開(kai)發(fa)解(jie)決(jue)方(fang)案(an)。

值得慶幸的是，像通用電氣這樣在發電設備、jiejuefanganyufuwulingyudelingxiangongyingshang，yijingkeyishixianduishebeideyucexingweihu。qiyebenshenwuxujubeijiqixuexihuoyunxiangguandejishu，zhixujiezhushiyongchuanganqihejiqixuexijishudeduandaoduanxitong


，jiancedaojiqizhendonghuowendudeyichangbodong，congershoudaojingbao。

這(zhe)類(lei)技(ji)術(shu)支(zhi)持(chi)通(tong)用(yong)電(dian)氣(qi)利(li)用(yong)傳(chuan)感(gan)器(qi)實(shi)現(xian)信(xin)息(xi)的(de)快(kuai)速(su)更(geng)新(xin)，通(tong)過(guo)采(cai)用(yong)雲(yun)中(zhong)實(shi)時(shi)分(fen)析(xi)，將(jiang)基(ji)於(yu)時(shi)間(jian)的(de)維(wei)護(hu)操(cao)作(zuo)轉(zhuan)變(bian)為(wei)預(yu)測(ce)性(xing)和(he)規(gui)範(fan)性(xing)維(wei)護(hu)。隨(sui)著(zhe)係(xi)統(tong)規(gui)模(mo)的(de)不(bu)斷(duan)擴(kuo)大(da)，通(tong)用(yong)電(dian)氣(qi)可(ke)以(yi)通(tong)過(guo)上(shang)述(shu)係(xi)統(tong)對(dui)傳(chuan)感(gan)器(qi)組(zu)進(jin)行(xing)遠(yuan)程(cheng)更(geng)新(xin)和(he)維(wei)護(hu)
，而(er)無(wu)需(xu)實(shi)際(ji)接(jie)觸(chu)。

中科創達：解決產品異常檢測

baozhengchanpinzhiliangyuquebaoshebeizhengchangyunxingtongdengzhongyao。shengchanjinchengdemushijianzhatongchangxuyaorenli


，zhebujinfawei，qiebunengbaozhengyizhixing。weiletishengzhiliangkongzhi
，gongyeqiyexiwangcaiyongjisuanjishijiaojishu
，tigaoquexianshibiedesuduhezhunquexing。danqiyezaigoujian
、部署和管理基於機器學習技術的視覺異常係統時

，仍會麵臨很多複雜挑戰。現在
，企業可以使用高精度、低成本的異常檢測解決方案，每小時處理數千張圖像，從而發現缺陷和異常
，識別出與基線不符的圖像
，以便企業采取下一步行動。

看到這一趨勢，全球知名的智能操作係統產品和技術提供商——中科創達將全球領先的機器學習服務Amazon SageMaker集成到中科創達智慧工業ADC (Automatic Defect Classification)係統中，幫助製造業客戶在工業生產中輕鬆獲得AI質檢能力。借助Amazon SageMaker，客戶無需複雜的機器學習部署，即可在統一界麵中構建
、訓練
、解釋

、檢查、監視

、調試和運行機器學習模型。在電氣行業ADC係統實施中，Amazon SageMaker幫助最終用戶一次性投入成本降低了42%
，軟件開發的工作量降低了39%
，係統的上線時間縮短了50%，係統運行效率是傳統檢測的35倍
，解決了ADC係統落地工業場景的障礙。

瑞典家庭食品製造商Dafgards公司在其下屬品牌Billy's Pan Pizza的生產過程中也應用了計算機視覺技術。Billy’s Pan Pizza是一種微波披薩，生產線每秒能完成2塊披薩的烘烤和包裝。Dafgardsgongsizenganzhuangguojiqishijiaoxitong，chenggongyongyujiancepisashangdenailaobili。danwentishiyidanpisashangxianliaozhongleiguoduo，gaigongnengjiuhuishixiao。tongguocaiyongjiyujisuanjishijiaodexinxingjiqixuexijishu
，Dafgards公司輕鬆獲得了經濟高效的檢測能力。在成功應用後，Dafgards公司計劃將計算機視覺應用擴展至更多種類披薩以及漢堡
、法式蛋餅等其他產品線。

英國石油公司：提升運營效率

許(xu)多(duo)工(gong)業(ye)和(he)製(zhi)造(zao)企(qi)業(ye)都(dou)希(xi)望(wang)借(jie)助(zhu)計(ji)算(suan)機(ji)視(shi)覺(jiao)技(ji)術(shu)來(lai)提(ti)升(sheng)運(yun)營(ying)效(xiao)率(lv)。一(yi)般(ban)情(qing)況(kuang)下(xia)，企(qi)業(ye)會(hui)通(tong)過(guo)視(shi)頻(pin)對(dui)工(gong)廠(chang)現(xian)場(chang)進(jin)行(xing)人(ren)工(gong)監(jian)測(ce)和(he)審(shen)核(he)，以(yi)驗(yan)證(zheng)設(she)施(shi)訪(fang)問(wen)權(quan)限(xian)

，檢(jian)查(zha)出(chu)貨(huo)，檢(jian)測(ce)泄(xie)漏(lou)或(huo)其(qi)他(ta)危(wei)險(xian)情(qing)況(kuang)。但(dan)在(zai)實(shi)際(ji)情(qing)況(kuang)中(zhong)
，這(zhe)項(xiang)工(gong)作(zuo)不(bu)僅(jin)困(kun)難(nan)

，還(hai)極(ji)易(yi)出(chu)錯(cuo)
、成本高昂。當然，企業可以將現有的IP攝she像xiang頭tou升sheng級ji為wei智zhi能neng攝she像xiang頭tou，以yi便bian擁yong有you更geng好hao的de處chu理li能neng力li運yun行xing計ji算suan機ji視shi覺jiao模mo型xing。但dan這zhe依yi然ran不bu僅jin價jia格ge高gao昂ang，也ye會hui存cun在zai問wen題ti，即ji使shi采cai用yong智zhi能neng攝she像xiang頭tou，也ye未wei必bi可ke以yi達da到dao高gao精jing度du和he低di延yan遲chi要yao求qiu。事shi實shi上shang
，企qi業ye可ke以yi通tong過guo使shi用yong硬ying件jian設she備bei將jiang計ji算suan機ji視shi覺jiao技ji術shu應ying用yong到dao現xian有you的de本ben地di攝she像xiang頭tou中zhong
，甚shen至zhi可ke以yi使shi用yong軟ruan件jian開kai發fa包bao來lai構gou建jian新xin的de攝she像xiang頭tou，從cong而er在zai邊bian緣yuan就jiu能neng運yun行xing計ji算suan機ji視shi覺jiao模mo型xing
，取qu得de更geng高gao的de效xiao率lv。

全球能源公司英國石油公司正計劃在全球18,000gefuwuzhanbushujisuanjishijiaoxitong，tamenjihualiyongjisuanjishijiaojishuzidongkongzhiranliaochejinchusheshi，bingquerenyouxiaodingdandewanchengqingkuang。ruguoyoupengzhuangweixian，jisuanjishijiaojishukeyitixinggongren
，haikeyishibiedongtaigeliquneideyiwu，bingjiancelouyouqingkuang。

富士康：優化預測供應鏈

現代供應鏈是由製造商、供應商、物流和零售商共同組成的龐大網絡，需要複雜的方法了解、並滿足客戶需求，同時根據原材料供應波動以及節假日、活動、tianqidengwaibuyinsujinxingxiangyingtiaozheng。ruguowufazhengqueyuceshangshubianliang，huizaochengchengbendedafuzengjia
，congerdaozhiziyuanpeizhiguoduhuobuzu，jinerlangfeitouzihuodailaibuliangdekehutiyan。weileyujianweilaikenengfashengdeqingkuang，qiyezhengliyongjiqixuexijishufenxishijianxulieshuju，tigongzhunqueyuce，congerjianshaoyunyingzhichu，tigaoxiaolv
，quebaogenggaodeziyuanhechanpinkeyongxing，gengkuaidijiaofuchanpin，bingjiangdichengben。

富fu士shi康kang是shi全quan球qiu最zui大da的de電dian子zi產chan品pin製zhi造zao商shang和he技ji術shu解jie決jue方fang案an提ti供gong商shang。在zai新xin冠guan肺fei炎yan疫yi情qing期qi間jian，富fu士shi康kang采cai用yong了le機ji器qi學xue習xi技ji術shu應ying對dui前qian所suo未wei有you的de客ke戶hu需xu求qiu、供(gong)應(ying)和(he)產(chan)能(neng)波(bo)動(dong)挑(tiao)戰(zhan)。富(fu)士(shi)康(kang)為(wei)其(qi)在(zai)墨(mo)西(xi)哥(ge)的(de)工(gong)廠(chang)開(kai)發(fa)了(le)一(yi)個(ge)需(xu)求(qiu)預(yu)測(ce)模(mo)型(xing)，以(yi)生(sheng)成(cheng)準(zhun)確(que)的(de)淨(jing)訂(ding)單(dan)預(yu)測(ce)。借(jie)助(zhu)機(ji)器(qi)學(xue)習(xi)模(mo)型(xing)
，他(ta)們(men)將(jiang)預(yu)測(ce)精(jing)度(du)提(ti)高(gao)8%
，預計每家工廠每年可節省55.3萬美元，同時，最大限度減少勞動力浪費

，並大幅提升客戶滿意度。

為了充分發掘機器學習在工業環境、工業產品、物流和供應鏈運營領域的應用潛力，越來越多的企業希望采用機器學習技術，使生產流程變得更簡單、快捷、準確。通過將雲中實時數據分析和邊緣機器學習相結合，工業企業正穩步將願望轉變成現實，同時推動新一代工業革命的到來。

本文作者：亞馬遜雲科技全球機器學習副總裁Swami Sivasubramanian